毛竹笋在快速生长期的木质化调控网络

木本竹因其优质材性而成为传统木材良好的替代品。木质化程度和木质素含量影响着木材材性，然而单子叶植物的木质化调控网络尚不清楚。为了阐明毛竹（Phyllostachys edulis）木质化的分子调控机制，利用转录组、miRNA和降解组测序，并结合实验对竹笋进行综合分析研究。结果表明：木质化程度和木质素含量随笋高度的增加而增加，而苯丙氨酸解氨酶（PAL）和漆酶（LAC）活性则随笋高度的增加表现为先升高后降低。在不同高度笋的代表性节间（第13节）的不同部位中共鉴定了11 504个差异表达基因（DEG），其中与细胞壁和木质素生物合成相关的大部分DEG表达随笋高度上调，而与细胞生长相关的一些DEG表达则下调。通过miRNA测序鉴定出1 502个miRNA，包括已知的1 223个和新鉴定的279个。通过生物信息学预测和降解组分析，共鉴定出691个差异表达的miRNA，共靶向5 756个差异表达基因。据此构建了毛竹笋木质化调控网络，包括11个miRNA、22个转录因子和36个酶基因。另外，根据过表达PeLAC20转基因拟南芥中木质素含量显著增加，提出了一个miRNA介导的‘MYB-PeLAC20’的木质素单体聚合调控模型。研究结果不仅对解析竹子木质素生物合成的调控分子机制具有重要科学价值，而且对理解其他单子叶植物的相关机制具有重要参考价值，有助于制定竹材材性改良策略。     

基于改进YOLO v5的橙子果实识别方法

针对自然环境下橙子检测存在枝叶遮挡、相邻果实重叠等情况而导致检测效果差的问题，提出一种改进的YOLO v5方法。首先，在主干网络部分使用RepVGG(re-param VGG)模块替换原始C3模块，加强网络对特征信息的提取能力；其次，在颈部网络使用鬼影混洗卷积(ghost-shuffle convolution)代替原有的标准卷积，能够在保证精度的前提下，降低模型参数量；再次，在预测头前加入ECA(efficient channel attention)注意力模块，能够更加准确定位目标信息；最后，引入EIOU(efficient intersection over union)损失函数加速预测框的收敛，提高其回归精度。改进的YOLO v5网络在自然环境下的橙子检测中平均精度达到90.1%,相比于目前热门的检测网络CenterNet、YOLO v3和YOLO v4其在识别效果方面有一定的提升。可见，所提出的改进网络在橙子检测上更有优势，能为今后智能采摘机器人的研发提供理论支撑和技术参考。     

论网络环境下个人信息权的民法保护

网络科技的发展给人们带来了便捷高效服务的同时也导致了大量的个人信息的泄露。完善网络个人信息权的民法保护已成为当务之急。必须建立完善的民法体系,创造良好的网络环境。网络环境下个人信息的民法保护体现了法的价值、体现了对公共秩序的考量。明确网络个人信息的民法保护不仅有利于保护自然人的人身、财产利益,又有利于社会的进步、经济的发展。必然成为今后个人信息立法的趋势之一。     

数字经济下消费者网络购买农产品行为及影响因素——以徐州市为例

基于2020年408位徐州市消费者网络购买农产品行为的调查数据，首先分析数字经济下消费者网络购买农产品的种类、网络购买频率和电商平台选择的现状，并对比不同电子商务购买渠道的优劣；然后使用有序多分类Logistic模型对农产品网络购买频率的影响因素进行了实证检验；最后提出了促进农产品电子商务发展的建议。      

基于注意力机制和残差网络的苹果叶片病害分类

苹果叶片病害的高效准确识别有助于合理使用杀虫剂、肥料等农业资源，进而保证苹果的产量与质量。为提高苹果叶片病害识别的准确率，提出一种残差网络与注意力机制结合的苹果叶片病害识别模型：P-D-ECA-ResNet101。首先构建苹果叶片病害数据集，然后使用常见的4种网络模型在构建的数据集上进行训练，选取训练效果最好的ResNet101为骨干网络模型，通过推迟下采样(delayed downsampling)、拆解大卷积层以及引入高效通道(efficient channel attention module, ECA)注意力模块对ResNet101网络模型进行优化，最后通过特征图可视化展示改进后网络模型的识别机制。试验结果表明，推迟下采样可以增强模型特征提取能力，拆解大卷积层可以有效减少模型的复杂度，引入ECA注意力模块可以削弱无效特征信息对模型的干扰。改进后的P-D-ECA-ResNet101模型在构建的苹果叶片病害测试集上的平均识别准确率达到96.20%,相较于原模型ResNet101提升了2.20百分点。特征图可视化分析表明改进后的P-D-ECA-ResNet101模型可以更好地聚焦于病...     

一种基于偏好免疫网络多特征辨识的油茶果分选识别方法

针对油茶果采摘、脱壳后机器视觉分选效率不高的问题,提出一种多特征偏好人工免疫网络算法,该算法应用人工免疫网络的多目标优化与偏好数据库特征,提取油茶目标的颜色、形态多特征输入免疫网络进行仿真测试。试验结果表明,本文提出的多特征偏好免疫网络的识别率最高达到90%以上。相比单特征分选方法有了较大的提升,证明本文分选方法的有效性,并为农林业目标智能化分选辨识提供一种可行的方案。     

基于BERT+BiLSTM+CRF深度学习模型和多元组合数据增广的渔业标准命名实体识别

为解决渔业标准命名实体识别任务中部分实体语料分布稀疏导致的效果不佳问题,提出了基于多元组合数据增广(data augmentation method based on multiple combination,MCA)的渔业标准命名实体识别方法,该方法融合了基于领域词典的联合替换算法(joint replacement algorithm based on domain dictionary,DDR)、基于槽点保护的随机删除算法(random deletion algorithm based on slot protection,SPD)和基于槽点保护的随机插入算法(random insertion algorithm based on slot protection,SPI)进行语料库的数据增广,首先构建"水产品名称"同类词词典和领域同义词词典,通过两个词典分别对"水产品名称"类实体和随机词进行同类词替换和同义词替换,生成新的句子,以增加目标实体数量和句子的多样性,然后在基于槽点保护的情况下对原句子分别进行随机删除和随机插入操作,在保留实体及上下文特征的情况下进一步丰富语料的多样性,提高模型的泛化能力.结果表明,采用基于融合注意力机制的BERT+BiLSTM+CRF网络模型和多元组合数据增广方法进行渔业标准命名实体识别,准确率、召回率、F1值分别达到了91.73％、88.64％、90.16％,具有较好的效果.研究表明,基于多元组合数据增广的渔业标准命名实体识别方法有效解决了部分实体样本稀疏问题,提升了渔业标准命名实体识别的整体效果.     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点，已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时，需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制，禽蛋图像数据的采集成本较高，针对该问题，提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间，并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别，从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果，其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题，为禽蛋图像无损检测研究提供了新的思路。     

牛TLR4基因生物信息学分析

为了更加深入地了解牛TLR4基因的功能、结构及与该基因有关联的疾病识别及其致病机理,利用牛TLR4基因的氨基酸序列对其编码蛋白的基本理化性质、蛋白质译后的磷酸化位点和糖基化位点以及跨膜结构域和蛋白质结构进行预测。结果显示,牛TLR4基因一共编码841个氨基酸,负电荷残基总和(Asp+Glu)为84,正电荷残基总和(Arg+Lys)为76,不稳定指数小于40,表明该基因编码产物稳定性较好。在该基因整个编码产物中,亲水氨基酸占比较多,平均分值为-0.011,由此得知TLR4基因编码的蛋白质是一种易溶蛋白。有9个潜在的N-糖基化位点;78个磷酸化位点以及存在一个跨膜蛋白和存在信号肽,其切割位点在第25和第26个氨基酸之间。蛋白质的二、三级结构预测结果显示,二级结构和三级结构均由α-螺旋、β-折叠和无规则卷曲组成,其在生物合成、基因表达与调控等方面有重要作用。本研究结果可为牛TLR4基因深入研究提供理论基础。